AI 模型可以帮助我们与海豚交谈吗？Google 的 DolphinGemma 可能是关键
快速阅读: 据《印度快运》最新报道，谷歌开发了一款名为DolphinGemma的人工智能模型，旨在通过分析海豚声音模式来揭示其交流结构。此轻量级模型可在Pixel手机上运行，有助于建立海豚与人类间的共享词汇表。未来，谷歌计划开源模型以便进一步研究。同时，配合CHAT系统，可将AI生成的声音与具体对象关联，促进互动沟通。
谷歌在一篇博文中表示：“通过识别重复出现的声音模式、集群和可靠的序列，该模型可以帮助研究人员揭示海豚自然交流中隐藏的结构和潜在意义——这一任务以前需要大量的资源投入。”随后内容提到：“最终，这些模式加上研究者制作的合成声音（用以指代海豚喜欢玩的物体），可能会与海豚建立共享词汇，以实现互动沟通。”它补充道。
这款人工智能模型由谷歌与乔治亚理工学院的研究人员合作开发。它是在从野外研究人员收集的数据集上进行训练的，这些研究人员隶属于非营利研究组织野生海豚项目（WDP）。
**什么是DolphinGemma？**
谷歌声称，DolphinGemma是一种轻量级的小型语言模型，参数数量为4亿，使其非常适合在Pixel手机上运行，供WDP的研究人员在水下使用。其底层技术包括谷歌的SoundStream分词器，用于将海豚发出的声音转化为一系列离散且易于管理的单元，称为标记。该模型架构借鉴了谷歌的Gemma系列轻量级开源AI模型。
此外，阅读| 大象有名字：一项新研究表明了什么
DolphinGemma是一种音频输入输出模型，这意味着它处理的是声音而非文字，可能无法回应书面提示。类似于预测人类语言中句子的下一个单词或标记，谷歌表示，DolphinGemma分析“海豚自然声音的序列，以识别模式、结构，并最终预测序列中可能随后出现的声音”。
该公司透露，计划将DolphinGemma作为开源模型发布，以便其他研究人员可根据不同鲸目动物物种的声音对模型进行微调。
**DolphinGemma的数据是如何训练的？**
根据谷歌的说法，该AI模型是在WDP收集的野生大西洋斑点海豚声音数据集上进行训练的。据说这个特定的海豚群体生活在加勒比地区的巴哈马群岛。
用于训练AI模型的数据集来源于几十年来收集的水下视频片段和音频记录。WDP的研究人员对这些数据进行了标注，明确个体海豚的身份及其生活史和观察到的行为。
为直接将海豚发出的声音与特定行为关联起来，WDP的研究人员潜入水中收集数据，因为他们发现这样做很有帮助。
DolphinGemma的训练数据集包含了独特的海豚声音，比如母海豚用来呼唤幼崽的哨声、两只海豚争斗时的爆发脉冲声以及求偶或追逐鲨鱼时的咔哒声。
**为建立海豚声音的共享词汇表，谷歌表示与乔治亚理工学院的研究人员共同开发了CHAT系统。**
CHAT是Cetacean Hearing Augmentation Telemetry的缩写。这是一种水下计算机系统，旨在将AI生成的海豚声音与海豚喜爱的具体对象（如海草或研究人员使用的围巾）联系起来。谷歌表示，CHAT工具通过准确听辨水下的海豚哨声，识别训练数据集中匹配的哨声序列，并通过水下耳机告知人类研究人员海豚所要求的相应对象。谷歌说：“通过向人类展示该系统，研究人员希望好奇的海豚会学会模仿哨声以请求这些物品。最终，随着更多海豚自然声音的解析，也可将其纳入系统。”
谷歌称，其Pixel 6系列已具备实时处理海豚声音的能力。它表示即将发布的Pixel 9系列将配备专用的扬声器和麦克风功能，并升级先进的处理能力，以同时运行深度学习模型和模板匹配算法。
“使用Pixel智能手机大大减少了对定制硬件的需求，提高了系统的可维护性，降低了功耗，并缩小了设备的成本和尺寸——这对开放海域的研究尤为重要，”这家科技巨头说。
**AI聊天机器人能帮助我们与海豚交谈吗？**
多年来，研究人员一直致力于利用AI和机器学习算法解读动物声音的方法。他们成功应用了基于卷积神经网络的自动检测算法，依据声音特征挑选并分类动物声音。
深度神经网络还使得在动物发声序列中发现隐藏结构成为可能。这确保了在动物声音示例上训练的AI模型能够生成独特的合成版本的动物声音。
虽然这些监督学习模型能够根据人类标记的示例生成动物声音，但对于不在训练数据集中的动物声音或者未被标注的声音呢？这就是像ChatGPT这类自监督学习模型发挥作用之处。
这些无监督学习模型是在从互联网各个角落提取的大规模数据集上训练的。研究人员预计这些数据集中可能包含此前无法获取的动物声音。
此外，阅读| 我们在实地使用AI构建大象叫声数据库：野生动物研究中心执行主任Krithi Karanth
然而，开发能让人类与动物对话的AI聊天机器人面临诸多重大挑战。例如，研究人员指出，动物可能不仅依赖声音交流，还会结合触觉和嗅觉等其他感官。
(以上内容均由Ai生成)
